A temperatura facial pode prever doenças cardíacas com maior precisão do que os métodos atuais

Em um estudo recente publicado no BMJ Health & Care Informatics, pesquisadores avaliaram a viabilidade do uso da termografia infravermelha facial (IRT) para prever doença arterial coronariana (DCC).

A DIC é uma das principais causas de morte e tem um peso global significativo. Um diagnóstico preciso de DAC é importante para cuidados e tratamento. Atualmente, ferramentas de avaliação de probabilidade pré-teste (PTP) são usadas para determinar a probabilidade de DAC em pacientes. No entanto, essas ferramentas apresentam problemas de subjetividade, versatilidade limitada e precisão moderada.

Embora testes cardiovasculares adicionais (contagem de cálcio coronário e eletrocardiografia) ou modelos clínicos sofisticados que integrem marcadores laboratoriais e fatores de risco adicionais possam melhorar as estimativas de probabilidade, existem preocupações relacionadas à eficiência do tempo, complexidade do procedimento e disponibilidade limitada. p>

IRT, uma tecnologia de detecção de temperatura de superfície sem contato, está se mostrando promissora para avaliação de doenças. Pode detectar inflamação e circulação anormal através de padrões de temperatura da pele. A pesquisa mostra associações entre informações da TRI e doenças cardiovasculares ateroscleróticas e condições relacionadas.

Neste estudo, os pesquisadores avaliaram a viabilidade do uso de dados de temperatura facial IRT para prever DAC. Adultos submetidos à angiografia coronária por TC (CCTA) ou angiografia coronária invasiva (ICA) foram incluídos no estudo. Pessoal treinado obteve os dados brutos e conduziu a pesquisa IRT antes do CCTA ou ICA.

Registros médicos eletrônicos foram usados para obter informações adicionais, incluindo química do sangue, histórico clínico, fatores de risco e resultados de exames de doença coronariana. Uma imagem IRT por participante foi selecionada para análise e processada (redimensionamento unificado, conversão em escala de cinza e corte de fundo).

A equipe desenvolveu um modelo de imagem IRT usando um algoritmo avançado de aprendizado profundo. Dois modelos foram desenvolvidos para comparação: um era um modelo PTP (linha de base clínica) que incluía idade, sexo e características dos sintomas dos pacientes, e o outro era um híbrido, combinando informações de TRI e informações clínicas dos modelos TRI e PTP, respectivamente.

Várias análises interpretativas foram realizadas, incluindo experimentos de oclusão, visualização de mapas de excreção, análises dose-resposta e predição de rótulo substituto de CAD. Além disso, vários recursos tabulares do IRT foram extraídos da imagem IRT, classificados no nível de toda a face e região de interesse (ROI).

No geral, os recursos extraídos foram classificados em textura de primeira ordem, textura de segunda ordem, temperatura e recursos de análise fractal. O algoritmo XGBoost integrou esses recursos extraídos e avaliou seu valor preditivo para CAD. Os pesquisadores avaliaram o desempenho usando todas as características e apenas as características de temperatura.

Um total de 893 adultos submetidos a ACTC ou ICA foram avaliados entre setembro de 2021 e fevereiro de 2023. Destes, foram incluídos 460 participantes com idade média de 58,4 anos; 27,4% eram mulheres e 70% tinham DAC. Pacientes com DAC apresentaram maior idade e prevalência de fatores de risco em comparação com pacientes sem DAC. O modelo de imagem IRT superou significativamente o modelo PTP.

No entanto, o desempenho dos modelos de imagem híbrido e IRT não foi significativamente diferente. Usar apenas recursos de temperatura ou todos os recursos extraídos teve desempenho preditivo superior, consistente com o modelo de imagem IRT. Ao nível de todo o rosto, a maior influência foi a diferença geral de temperatura da esquerda para a direita, enquanto ao nível do ROI, a temperatura média da mandíbula esquerda teve a maior influência.

Vários níveis de degradação de desempenho foram observados para o modelo de imagem IRT quando diferentes ROIs foram ocluídas. A oclusão das áreas do lábio superior e inferior teve o maior impacto. Além disso, o modelo de imagem IRT teve um bom desempenho na previsão de marcadores substitutos associados à DAC, como hiperlipidemia, tabagismo, índice de massa corporal, hemoglobina glicada e inflamação.

O estudo demonstrou a viabilidade do uso de dados de temperatura facial IRT para prever DAC. O modelo de imagem IRT superou o modelo PTP recomendado pelas diretrizes, destacando seu potencial na avaliação de DAC. Além disso, a incorporação de informações clínicas no modelo de imagem IRT não proporcionou melhorias adicionais, sugerindo que as informações extraídas da IRT já continham informações importantes relacionadas ao CAD.

Além disso, o valor preditivo do modelo TRI foi confirmado usando recursos tabulares interpretáveis da TRI que eram relativamente consistentes com o modelo de imagem TRI. Essas características também forneceram informações sobre aspectos importantes para a predição de DAC, como simetria da temperatura facial e distribuição desigual. Mais estudos com amostras maiores e populações diversas são necessários para validação.